Enoncés et corrections : Sandra Delaunay

Exo7

Sujets de l’année 2005-2006

1 Devoir à la maison
Exercice 1
Soient a, b, c des réels vérifiant a2 + b2 + c2 = 1 et P la matrice réelle 3 × 3 suivante :
 2 
a ab ac
P = ab b2 bc
ac bc c2

1. Calculer le déterminant de P.
2. Déterminer les sous-espaces vectoriels de R3 , ker P et Im P.
3. Soit Q = I − P, calculer P2 , PQ, QP et Q2 .
4. Caractériser géométriquement P et Q.
Correction H [002578]

Exercice 2
Soit E un espace vectoriel sur un corps K (K = R ou C), et u un endomorphisme de E. On suppose u nilpotent,
c’est-à-dire qu’il existe un entier strictement positif n tel que un = 0.
1. Montrer que u n’est pas inversible.
2. Déterminer les valeurs propres de u et les sous-espaces propres associés.
Correction H [002579]

Exercice 3
Soit M la matrice de R4 suivante  
0 1 0 0
2 0 −1 0
M=
0

7 0 6
0 0 3 0
1. Déterminer les valeurs propres de M et ses sous-espaces propres.
2. Montrer que M est diagonalisable.
3. Déterminer une base de vecteurs propres et P la matrice de passage.
4. On a D = P−1 MP, pour k ∈ N exprimer M k en fonction de Dk , puis calculer M k .
Correction H [002580]

1
2 Partiel
Exercice 4
Soit u l’endomorphisme de R3 dont la matrice dans la base canonique est
 
−3 −2 −2
A= 2 1 2
3 3 2

1. Déterminer et factoriser le polynôme caractéristique de A.

2. Démontrer que les valeurs propres de A sont −1 et 2. Déterminer les sous-espaces propres associés.
3. Démontrer que A est diagonalisable et donner une base de R3 dans laquelle la matrice de u est diagonale.
4. Trouver une matrice P telle que P−1 AP soit diagonale.
Correction H [002581]

Exercice 5
Soit a ∈ R et A la matrice suivante  
1 0 a
A = 0 a 1
a 1 0
1. Calculer le déterminant de A et déterminer pour quelles valeurs de a la matrice est inversible.
2. Calculer A−1 lorsque A est inversible.
Correction H [002582]

Exercice 6
 
1 2 0 0
0 1 2 0
Soit A = 
0
. Expliquer sans calcul pourquoi la matrice A n’est pas diagonalisable.
0 1 2
0 0 0 1
Correction H [002583]

Exercice 7
Soit A une matrice 2 × 2 à coefficients réels. On suppose que dans chaque colonne de A la somme des coeffi-
cients est égale à 1.
1. Soient (x1 , x2 ), (y1 , y2 ) deux vecteurs de R2 , on suppose que
   
x y
A 1 = 1
x2 y2

montrer qu’alors
y1 + y2 = x1 + x2 .

2. Soit le vecteur ε = (1, −1), montrer que c’est un vecteur propre de A. On notera λ sa valeur propre.
3. Montrer que si v est un vecteur propre de A non colinéaire à ε, alors la valeur propre associée à v est
égale à 1.
4. Soit e1 = (1, 0). Montrer que la matrice, dans la base (e1 , ε), de l’endomorphisme associé à A est de la
forme  
1 0
,
α λ
où α ∈ R.
En déduire que si λ 6= 1, alors A est diagonalisable sur R.

2
Correction H [002584]

Exercice 8
Soient A et B des matrices non nulles de Mn (R). On suppose que A.B = 0.
1. Démontrer que Im B ⊂ ker A.
2. On suppose que le rang de A est égal à n − 1, déterminer le rang de B.
Correction H [002585]

3 Examen
Exercice 9
I
Soit α ∈ R et Aα ∈ M3 (R) la matrice suivante
 
−1 0 α + 1
Aα =  1 −2 0 
−1 1 α

Première partie :
1. Factoriser le polynôme caractéristique PAα (X) en produit de facteurs du premier degré.
2. Déterminer selon la valeur du paramètre α les valeurs propres distinctes de Aα et leur multiplicité.
3. Déterminer les valeurs de α pour lesquelles la matrice Aα est diagonalisable.
4. Déterminer selon la valeur de α le polynôme minimal de Aα .
Seconde partie :
On suppose désormais que α = 0, on note A = A0 et f l’endomorphisme de R3 associé à la matrice A.
1. Déterminer les sous-espaces propres et caractéristiques de A.
2. Démontrer que f admet un plan stable (c’est-à-dire f -invariant).
3. Démontrer qu’il existe une base de R3 dans laquelle la matrice de f est
 
−1 1 0
B =  0 −1 1 
0 0 −1

et trouver une matrice P inversible telle que A = PBP−1 .

4. Ecrire la décomposition de Dunford de B (justifier).
5. Pour t ∈ R, calculer exptB et exprimer exptA à l’aide de P et exptB.
6. Donner les solutions des systèmes différentiels Y 0 = BY et X 0 = AX.
II
On rappelle qu’une matrice N ∈ Mn (C) est dite nilpotente d’ordre m si N m = 0, et si pour tout k dans N, k < m,
on a N k 6= 0. Soient N ∈ Mn (C) une matrice nilpotente d’ordre m et A ∈ Mn (C) une matrice telle que AN = NA.
1. Déterminer un polynôme annulateur de N. En déduire le polynôme minimal et le polynôme caractéris-
tique de N.
2. Déterminer les valeurs propres de N.
3. Démontrer que det(I + N) = 1.
4. On suppose A inversible. Démontrer que les matrices AN et NA−1 sont nilpotentes. En déduire que

det(A + N) = det A.

3
 5. On suppose A non inversible. En exprimant (A + N)k pour tout k ∈ N, démontrer que

det(A + N) = 0.

Correction H [002586]

4 Rattrapage
Exercice 10
 
a c
Soit A = ∈ M2 (R), montrer que A est diagonalisable sur R.
c d
Correction H [002587]

Exercice 11
Soit N une matrice nilpotente, il existe q ∈ N tel que N q = 0. Montrer que la matrice I − N est inversible et
exprimer son inverse en fonction de N.
Correction H [002588]

Exercice 12
On considère la matrice suivante  
1 −1 0
A= 1 0 −1
−1 0 2
et f l’endomorphisme de R3 associé.
1. Factoriser le polynôme caractéristique de A.
2. Déterminer les sous-espaces propres et caractéristiques de A.
3. Démontrer qu’il existe une base de R3 dans laquelle la matrice de f s’écrit
 
1 1 0
B = 0 1 1 .
0 0 1

4. Ecrire la décomposition de Dunford de B (justifier).

Correction H [002589]

Exercice 13
La suite de Fibonacci 0, 1, 1, 2, 3, 5, 8, 13, ... est la suite (Fn )n>0 définie par la relation de récurrence Fn+1 =
Fn + Fn−1 pour n > 1, avec F0 = 0 et F1 = 1.
1. Déterminer une matrice A ∈ M2 (R) telle que, pour tout n > 1,
   
Fn+1 n F1
=A .
Fn F0

2. Montrer que A admet deux valeurs propres réelles distinctes que l’on note λ1 et λ2 avec λ1 < λ2 .
 
α
3. Trouver des vecteurs propres ε1 et ε2 associés aux valeurs propres λ1 et λ2 , sous la forme , avec
1
α ∈ R.
 
F
4. Déterminer les coordonnées du vecteur 1 dans la base (ε1 , ε2 ), on les note x1 et x2 .
F0

4
  
Fn+1
5. Montrer que = λ1n x1 ε1 + λ2n x2 ε2 . En déduire que
Fn

λ1n λ2n
Fn = − .
λ1 − λ2 λ1 − λ2

6. Donner un équivalent de Fn lorsque n tend vers +∞.

Correction H [002590]

Retrouver cette fiche et d’autres

exercices de maths sur
exo7.emath.fr
5
Correction de l’exercice 1 N
Soient a, b, c des réels vérifiant a2 + b2 + c2 = 1 et P la matrice réelle 3 × 3 suivante :
 2 
a ab ac
P = ab b2 bc
ac bc c2
1. Calculons le déterminant de P.
 2   
 a ab ac a a a
   
det P = ab b2 bc = abc b b b = 0.
ac bc c2  c c c

2. Déterminons les sous-espaces vectoriels de R3 , ker P et Im P.

  2     
 a ab ac x 0 
3  2
ker P = (x, y, z) ∈ R , ab b bc   y = 0 ,
 

ac bc c 2 z 0


on a 
 a(ax + by + cz) = 0

(x, y, z) ∈ ker P ⇐⇒ b(ax + by + cz) = 0

c(ax + by + cz) = 0


Or, a, b et c ne sont pas simultanément nuls car a2 + b2 + c2 = 1, ainsi

ker P = {(x, y, z) ∈ R3 , ax + by + cz = 0},
c’est le plan vectoriel d’équation ax + by + cz = 0.
L’image de P est le sous-espace de R3 engendré par les vecteurs colonnes de la matrice P. Sachant que
dim ker P + dim Im P = dim R3 = 3, on sait que la dimension de l’image de P est égale à 1, c’est-à-dire
que l’image est une droite vectorielle. En effet, les vecteurs colonnes de P sont les vecteurs
 2    
a ab ac
ab ,  b2  , bc
ac bc c2
c’est-à-dire      
a a a
a b , b b , c b .
c c c
 
a
Le sous-espace Im P est donc la droite vectorielle engendrée par le vecteur b.

c
3. Soit Q = I − P, calculons P2 , PQ, QP et Q2 .
 2  2 
a ab ac a ab ac
P2 = ab b2 bc ab b2 bc
ac bc c2 ac bc c2
 4
a + a2 b2 + a2 c2 a3 b + ab3 + abc2 a3 c + ab2 c + ac3


= a3 b + ab3 + abc2 a2 b2 + b4 + b2 c2 a2 bc + b3 c + bc3 

a3 c + ab2 c + ac3 a2 bc + b3 c + bc3 a2 c2 + b2 c2 + c4
 2 2
a (a + b2 + c2 ) ab(a2 + b2 + c2 ) ac(a2 + b2 + c2 )


= ab(a2 + b2 + c2 ) b2 (a2 + b2 + c2 ) bc(a2 + b2 + c2 )

ac(a2 + b2 + c2 ) bc(a2 + b2 + c2 ) c2 (a2 + b2 + c2 )
 2 
a ab ac
= ab b2 bc = P.
ac bc c2

6
 Car a2 + b2 + c2 = 1.
Si Q = I − P, on a
PQ = P(I − P) = PI − P2 = P − P = 0,
QP = (I − P)P = IP − P2 = P − P = 0
et
Q2 = (I − P)(I − P) = I 2 − IP − PI + P2 = I − P − P + P = I − P = Q.

4. Caractérisons géométriquement P et Q.
Nous avons vu que le noyau de P était égal au plan vectoriel d’équation ax + by + cz = 0 et que son
image de était la droite vectorielle engendrée par le vecteur (a, b, c). Par ailleurs, on a P2 = P, égalité
qui caractérise les projecteurs, l’endomorphisme de matrice P est donc la projection sur Im P suivant la
direction ker P.
Soit X ∈ R3 , on a

QX = 0 ⇐⇒ IX − PX = 0 ⇐⇒ PX = X ⇐⇒ X ∈ Im P,

ainsi ker Q = Im P. D’autre part,

1 − a2 −ab
  2
b + c2 −ab
 
−ac −ac
Q = I − P =  −ab 1 − b2 −bc  =  −ab a2 + c2 −bc  .
−ac −bc 1 − c2 −ac −bc a2 + b2

On a dim Im Q = 2 et les vecteurs colonnes de Q vérifient l’équation ax +by +cz = 0, ainsi Im Q = ker P.
L’égalité Q2 = Q prouve que Q est également un projecteur, c’est la projection sur Im Q dirigée par ker Q.

Correction de l’exercice 2 N
Soit E un espace vectoriel sur un corps K (K = R ou C), et u un endomorphisme de E. On suppose u nilpotent,
c’est-à-dire qu’il existe un entier strictement positif n tel que un = 0.
1. Montrons que u n’est pas inversible.
On a : 0 = det un = (det u)n , d’où det u = 0, ce qui prouve que u n’est pas inversible.
2. Déterminons les valeurs propres de u et les sous-espaces propres associés.
Soit λ une valeur propre de u, il existe alors un vecteur x ∈ E non nul tel que u(x) = λ x. Or, u(x) =
λ x ⇒ un (x) = λ n x. Mais, un (x) = 0 et x 6= 0, d’où λ n = 0 et donc λ = 0. La seule valeur propre possible
de u est donc 0 et c’est une valeur propre car, comme u n’est pas inversible, le noyau de u n’est pas
réduit à {0}. L’endomorphisme u admet donc 0 comme unique valeur propre, le sous-espace propre
associé est ker u.

Correction de l’exercice 3 N
Soit M la matrice de R4 suivante  
0 1 0 0
2 0 −1 0
M=
0

7 0 6
0 0 3 0
1. Déterminons les valeurs propres de M et ses sous-espaces propres.
Les valeurs propres de M sont les réels λ tels que det(M − λ I) = 0.
 
−λ 1 0 0 

 2 −λ −1 0 
det(M −λ I) =   = λ 4 −13λ 2 +36 = (λ 2 −4)(λ 2 −9) = (λ −2)(λ +2)(λ −3)(λ +3).
 0 7 −λ 6 
 0 0 3 −λ 

7
 Les valeurs propres de M sont donc 2, −2, 3 et −3. Notons E2 , E−2 , E3 et E−3 les sous-espaces propres
associés.

E2 = {X ∈ R4 , MX = 2X}
= (x, y, z,t) ∈ R4 , y = 2x, 2x − z = 2y, 7y + 6t = 2z, 3z = 2t


 
y = 2x y = 2x 
 y = 2x

 

 2x − z = 2y
  2x − z = 4x
 
or ⇐⇒ ⇐⇒ z = −2x
 7y + 6t = 2z  14x + 9z = 2z 
t = −3x

 
 
 
3z = 2t 3z = 2t
ainsi, E2 est la droite vectorielle engendrée par le vecteur u1 = (1, 2, −2, −3).

E−2 = {X ∈ R4 , MX = −2X}
= (x, y, z,t) ∈ R4 , y = −2x, 2x − z = −2y, 7y + 6t = −2z, 3z = −2t


y = −2x y = −2x
 

 y = −2x

 

 2x − z = −2y
 
 2x − z = 4x

or ⇐⇒ ⇐⇒ z = −2x
 7y + 6t = −2z  −14x − 9z = 2z 
t = 3x

 
 
 
3z = −2t 3z = −2t
ainsi, E−2 est la droite vectorielle engendrée par le vecteur u2 = (1, −2, −2, 3).

E3 = {X ∈ R4 , MX = 3X}
= (x, y, z,t) ∈ R4 , y = 3x, 2x − z = 3y, 7y + 6t = 3z, 3z = 3t


 
y = 3x y = 3x 
 y = 3x

 

 2x − z = 3y
  2x − z = 9x
 
or ⇐⇒ ⇐⇒ z = −7x
 7y + 6t = 3z  21x + 6t = 3z 
t = −7x

 
 
 
3z = 3t z=t
ainsi, E3 est la droite vectorielle engendrée par le vecteur u3 = (1, 3, −7, −7).

E−3 = {X ∈ R4 , MX = −3X}
= (x, y, z,t) ∈ R4 , y = −3x, 2x − z = −3y, 7y + 6t = −3z, 3z = −3t


y = −3x y = −3x
 

 y = −3x

 

 2x − z = −3y
 
 2x − z = 9x

or ⇐⇒ ⇐⇒ z = −7x
 7y + 6t = −3z  −21x − 6z = −3z 
t = 7x

 
 
 
3z = −3t z = −t
ainsi, E−3 est la droite vectorielle engendrée par le vecteur u4 = (1, −3, −7, 7).
2. Montrons que M est diagonalisable.
La matrice M admet quatre valeurs propres distinctes, ce qui prouve que les quatres vecteurs propres
correspondants sont linéairement indépendants. En effet, les vecteurs u1 , u2 , u3 et u4 déterminés en 1)
forment une base de R4 . L’endomorphisme dont la matrice est M dans la base canonique de R4 est
représenté par une matrice diagonale dans la base (u1 , u2 , u3 , u4 ) puisque Mu1 = 2u1 , Mu2 = −2u2 ,
Mu3 = 3u3 et Mu4 = −3u4 .

8
 3. Déterminons une base de vecteurs propres et P la matrice de passage.
Une base de vecteurs propres a été déterminée dans les questions précédentes. C’est la base (u1 , u2 , u3 , u4 )
et la matrice de passage est la matrice
 
1 1 1 1
 2 −2 3 −3
P=−2 −2 −7 −7


−3 3 −7 7
4. On a D = P−1 MP, pour k ∈ N exprimons M k en fonction de Dk , puis calculons M k .
On a    k 
2 0 0 0 2 0 0 0
0 −2 0 0  k
 donc Dk =  0 (−2) 0 0 

D= 0 0 3 0  0 k
.
0 3 0 
0 0 0 −3 0 0 0 (−3)k
Mais, M = PDP−1 , d’où, pour k ∈ N, M k = (PDP−1 )k = PDk P−1 .
Pour calculer M k , il faut donc déterminer la matrice P−1 qui exprime les coordonnées des vecteurs de
la base canonique de R4 dans la base (u1 , u2 , u3 , u4 ).
On résout le système, et on a :
1


 i = (7u1 + 7u2 − 2u3 − 2u4 )
 10
u1 = i + 2 j − 2k − 3l


 j = 1 (7u1 − 7u2 − 3u3 + 3u4 )



u2 = i − 2 j − 2k + 3l 
10
⇐⇒
u3 = i + 3 j − 7k − 7t 1
k = (u1 + u2 − u3 − u4 )



u4 = i − 3 j − 7k + 7l


 10
 l = 1 (3u1 − 3u2 − 2u3 + 2u4 )



10
d’où  
7 7 1 3
P−1 =
1  7 −7 1 −3

10 −2 −3 −1 −2
−2 3 −1 2
et
  k  
1 1 1 1 2 0 0 0 7 7 1 3
k
M k = PDk P−1 =  2 −2 3 −3  0 (−2) 0
1  0    7 −7 1 −3 .
  
k
10 −2 −2 −7 −7
   0 0 3 0   −2 −3 −1 −2
−3 3 7 7 0 0 0 (−3) k −2 3 −1 2

Correction de l’exercice 4 N
Soit u l’endomorphisme de R3 dont la matrice dans la base canonique est
 
−3 −2 −2
A= 2 1 2
3 3 2
1. Déterminons le polynôme caractéristique de A.
On a
   
−3 − X −2 −2  −3 − X 0 −2 

PA (X) =  2 1−X 2  =  2 −1 − X 2 
 3 3 2 − X  3 1 + X 2 − X
 
−3 − X 0 −2   
 −3 − X −2 
=  5 0 4 − X  = −(1 + X)  
5 4 − X
 3 1+X 2−X 
= −(1 + X)[(X − 4)(X + 3) + 10] = −(1 + X)(X 2 − X − 2) = −(1 + X)2 (X − 2)

9
 2. Démontrons que les valeurs propres de A sont −1 et 2 et déterminons les sous-espaces propres associés.
Les valeurs propres de A sont les racines du polynôme caractéristique, ce sont donc bien les réels −1 et
2.
Les sous-espaces propres associés sont les ensembles
    
 x x 
E−1 = (x, y, z) ∈ R3 , A y = − y = ker(A + I3 )
z z
 

et     
 x x 
3
E2 = (x, y, z) ∈ R , A y = 2 y = ker(A − 2I3 )
  
z z
 

On a  

 −3x − 2y − 2z = −x  −2x − 2y − 2z = 0

(x, y, z) ∈ E−1 ⇐⇒ 2x + y + 2z = −y ⇐⇒ 2x + 2y + 2z = 0
 
3x + 3y + 2z = −z 3x + 3y + 3z = 0
 

Le sous-espace caractéristique E−1 associé à la valeur propre −1 est donc le plan vectoriel d’équation
x + y + z = 0, il est de dimension 2, égale à la multiplicité de la racine −1.
On a  

 −3x − 2y − 2z = 2x  −5x − 2y − 2z = 0

(x, y, z) ∈ E2 ⇐⇒ 2x + y + 2z = 2y ⇐⇒ 2x − y + 2z = 0
 
3x + 3y + 2z = 2z 3x + 3y = 0
 

ce qui équivaut à y = −x et 2z = −3x.

Le sous-espace caractéristique E2 associé à la valeur propre 2 est donc la droite vectorielle engendrée
par le vecteur (2, −2, −3) , il est de dimension 1, égale à la multiplicité de la racine 2.
3. Démontrons que A est diagonalisable et donnons une base de R3 dans laquelle la matrice de u est
diagonale.
La question précédente et les résultats obtenus sur les dimensions des sous-espaces propres permettent
d’affirmer que la matrice A est diagonalisable. Une base de R3 obtenue à partir de bases des sous-espaces
propres est une base de vecteurs propres dans laquelle la matrice de u est diagonale. Par exemple dans
la base formée des vecteurs u1 = (1, −1, 0), u2 = (1, 0, −1) et u3 = (2, −2, −3), la matrice de u est la
matrice D qui s’écrit  
−1 0 0
D =  0 −1 0
0 0 2

4. Trouvons une matrice P telle que P−1 AP soit diagonale.

La matrice cherchée P est la matrice de passage exprimant la base de vecteurs propres (u1 , u2 , u3 ) dans
la base canonique. C’est donc la matrice
 
1 1 2
P = −1 0 −2 .
0 −1 −3

On a P−1 AP = D.

Correction de l’exercice 5 N
Soit a ∈ R et A la matrice suivante  
1 0 a
A = 0 a 1
a 1 0

10
 1. Calculons le déterminant de A et déterminons pour quelles valeurs de a la matrice est inversible.
 
1 0 a    
  a 1 0 a 3
det A = 0 a 1 =  a 1 = −1 − a .
+a 
a 1 0 1 0 

La matrice A est inversible si et seulement si son déterminant est non nul, c’est-à-dire si et seulement si
1 + a3 6= 0, ce qui équivaut à a 6= −1 car a ∈ R.
2. Calculons A−1 lorsque A est inversible, c’est-à-dire a 6= −1. Pour cela nous allons déterminer la coma-
trice à de A. On a
−a2
 
−1 a
à =  a −a2 −1  ,
−a 2 −1 a
on remarque que à =tà et on a bien Atà =tÃA = (−1 − a3 )I3 d’où

−a2
 
−1 a
1 1
A−1 = Ã =  a −a2 −1  .
(−1 − a3 ) −1 − a3 2
−a −1 a

Correction de l’exercice 6 N
 
1 2 0 0
0 1 2 0
Soit A = 
0 0 1 2. Expliquons sans calcul pourquoi la matrice A n’est pas diagonalisable.


0 0 0 1
On remarque que le polynôme caractéristique de A est égal à (1 − X)4 . Ainsi la matrice A admet-elle une unique
valeur propre : λ = 1, si elle était diagonalisable, il existerait une matrice P inversible telle que A = PI4 P−1
alors A = I4 , or ce n’est pas le cas, par conséquent la matrice A n’est pas diagonalisable.

Correction de l’exercice 7 N
Soit A une matrice 2 × 2 à coefficients réels. On suppose que dans chaque colonne de A la somme des coeffi-
cients est égale à 1.
1. Soient (x1 , x2 ), (y1 , y2 ) deux vecteurs de R2 , on suppose que
   
x y
A 1 = 1
x2 y2

montrons qu’alors
y1 + y2 = x1 + x2 .

Compte tenu des hypothèses, la matrice A est de la forme

 
a b
,
1−a 1−b

où a et b sont des réels. On a alors

(
ax1 + bx2 = y1
    
a b x1 y1
= ⇐⇒
1−a 1−b x2 y2 (1 − a)x1 + (1 − b)x2 = y2

ce qui implique y1 + y2 = x1 + x2 .

11
 2. Montrons que le vecteur ε = (1, −1) est un vecteur propre de A.
 
y
Si Aε = 1 , alors y1 + y2 = 0 donc y2 = −y1 et Aε = y1 ε, ce qui prouve que ε est un vecteur propre.
y2
On peut aussi le voir de la manière suivante
    
a b 1 a−b
Aε = = = (a − b)ε.
1−a 1−b −1 b−a

On note λ = (a − b) sa valeur propre.

3. Montrons que si v est un vecteur propre de A non colinéaire à ε, alors la valeur propre associée à v est
égale à 1.
Soit v = (x1 , x2 ) un vecteur propre de A non colinéaire à ε, notons µ sa valeur propre, on a Av = µv, et,
d’après la question 1), on a
x1 + x2 = µx1 + µx2 = µ(x1 + x2 )
ce qui implique µ = 1 car v est supposé non colinéaire à ε donc x1 + x2 6= 0.
4. Soit e1 = (1, 0). Montrons que la matrice, dans la base (e1 , ε), de l’endomorphisme associé à A est de la
forme  
1 0
,
α λ
où α ∈ R.
Pour cela on écrit Ae1 et Aε dans la base (e1 , ε). On a d’une part Aε = λ ε et, d’autre part,
        
a b 1 a 1 1
= = + (a − 1) .
1−a 1−b 0 1−a 0 −1

D’où la matrice dans la base (e1 , ε)  

1 0
α λ
où α = a − 1 et λ = a − b.
On en déduit que si λ 6= 1, alors A est diagonalisable sur R. Le polynôme caractéristique de A est égal à
(1 − X)(λ − X), ainsi, si λ 6= 1, il admet deux racines distinctes ce qui prouve que A est diagonalisable.

Correction de l’exercice 8 N
Soient A et B des matrices non nulles de Mn (R). On suppose que A.B = 0.
1. Démontrons que Im B ⊂ ker A.
Soit y ∈ Im B, il existe x ∈ Rn tel que y = Bx, d’où Ay = ABx = 0, ainsi y ∈ ker A ce qui prouve l’inclusion.
2. On suppose que le rang de A est égal à n − 1, déterminons le rang de B.
On a rgB = dim Im B et on sait que dim Im A + dim ker A = n par conséquent, si rgA = n − 1 on a
dim ker A = 1 et l’inclusion Im B ⊂ ker A implique dim Im B 6 1 or, B est supposée non nulle d’où
dim Im B = 1 = rgB.

Correction de l’exercice 9 N
I
Soit α ∈ R et Aα ∈ M3 (R) la matrice suivante
 
−1 0 α + 1
Aα =  1 −2 0 
−1 1 α

Première partie :

12
1. Factorisons le polynôme caractéristique PAα (X) en produit de facteurs du premier degré.
On a
   
−1 − X 0 α + 1  −1 − X 0 α + 1 

PAα (X) =  1 −2 − X 0  = −1 − X −2 − X 0 
 −1 1 α −X   0 1 α − X
 
−1 − X 0 α + 1 

=  0 −2 − X −α − 1
 −1 1 α −X 
= (−1 − X)[(−2 − X)(α − X) + α + 1]
= −(X + 1)[X 2 + (2 − α)X + 1 − α].

Factorisons le polynôme X 2 + (2 − α)X + 1 − α, son discriminant est égal à

∆ = (2 − α)2 − 4(1 − α) = α 2 .
√
On a donc ∆ = |α|, ce qui nous donne les deux racines
α −2−α α −2+α
λ1 = = −1 et λ2 = = α − 1.
2 2
Le polynôme caractéristique PAα (X) se factorise donc en

PAα (X) = −(X + 1)2 (X − α + 1).

2. Déterminons selon la valeur du paramètre α les valeurs propres distinctes de Aα et leur multiplicité.
Les valeurs propres de Aα sont les racines du polynôme caractéristique PAα , ainsi,
- si α = 0, la matrice Aα admet une valeur propre triple λ = −1,
- si α 6= 0, la matrice Aα admet deux valeurs propres distinctes λ1 = −1 valeur propre double et λ2 =
α − 1, valeur propre simple.
3. Déterminons les valeurs de α pour lesquelles la matrice Aα est diagonalisable.
Il est clair que dans le cas α = 0, la matrice n’est pas diagonalisable, en effet si elle l’était, il existerait
une matrice inversible P telle que Aα = P(−I)P−1 = −I, ce qui n’est pas le cas.
Si α 6= 0, la matrice Aα est diagonalisable si le sous-espace propre associé à la valeur propre −1 est de
dimension 2. Déterminons ce sous-espace propre.
      
 −1 0 α + 1 x −x 
3 
E−1 = ker(Aα + I) = (x, y, z) ∈ R , 1 −2 0   y = −y
 
−1 1 z −z
 
α
ainsi, 
 −x + (α + 1)z = −x
 (
(α + 1)z = 0
(x, y, z) ∈ E−1 ⇐⇒ x − 2y = −y ⇐⇒
 x−y = 0
−x + y + αz = −z


Il faut distinguer les cas α = −1 et α 6= −1.

- Si α = −1, le sous-espace E−1 est le plan vectoriel d’équation x = y, dans ce cas la matrice Aα est
diagonalisable.
- Si α 6= −1, le sous-espace E−1 est la droite vectorielle engendrée par le vecteur (1, 1, 0), dans ce cas
la matrice Aα n’est pas diagonalisable.
4. Déterminons selon la valeur de α le polynôme minimal de Aα .
Notons QA le polynôme minimal de Aα . On sait que la matrice Aα est diagonalisable sur R si et seule-
ment si son polynôme minimal a toutes ses racines dans R et que celles-ci sont simples. Or, nous venons
de démontrer que Aα est diagonalisable sur R si et seulement α = −1, on a donc
- Si α = −1, Aα est diagonalisable, donc QA (X) = (X + 1)(X − α + 1) = (X + 1)(X + 2).
- Si α 6= −1, Aα n’est pas diagonalisable, donc QA (X) = PA (X) = (X + 1)2 (X − α + 1).

13
Seconde partie :
On suppose désormais que α = 0, on note A = A0 et f l’endomorphisme de R3 associé à la matrice A. On a
donc  
−1 0 1
A = A0 =  1 −2 0
−1 1 0
et PA (X) = −(X + 1)3 .
1. Déterminons les sous-espaces propres et caractéristiques de A.
La matrice A admet une unique valeur propre λ = −1 de multiplicité 3, le sous-espace propre associé
est l’espace E−1 = ker(A + I), et on a

 −x + z = −x
 (
z=0
(x, y, z) ∈ E−1 ⇐⇒ x − 2y = −y ⇐⇒
 x=y
−x + y = −z


Le sous-espace E−1 est la droite vectorielle engendrée par le vecteur (1, 1, 0).
Le sous-espace caractéristique de A, associé à l’unique valeur propre λ = −1, est le sous-espace N−1 =
ker(A + I)3 , or, compte tenu du théorème de Hamilton-Cayley, on sait que PA (A) = 0, ainsi, la matrice
(A + I)3 est la matrice nulle, ce qui implique N−1 = R3 , c’est donc l’espace tout entier.
2. Démontrons que f admet un plan stable.
La matrice de f n’est pas diagonalisable, mais comme son polynôme caractéristique se factorise sur R,
elle est trigonalisable, ce qui prouve qu’elle admet un plan stable, le plan engendré par les deux premiers
vecteurs d’une base de trigonalisation.
Par ailleurs, on a E−1 = ker(A + I) ⊂ ker(A + I)2 ⊂ ker(A + I)3 = R3 , le sous-espace ker(A + I)2 est
clairement stable par A car pour tout v ∈ ker(A + I)2 , Av ∈ ker(A + I)2 , en effet
(A + I)2 Av = A(A + I)2 v = 0.
Démontrons que ce sous-espace est un plan. On a
    
−1 0 1 −1 0 1 −1 1 1
A2 =  1 −2 0  1 −2 0 = −1 1 1 ,
−1 1 0 −1 1 0 0 0 0

donc ker(A + I)2 = {(x, y, z) ∈ R3 , −x + y + z = 0}, c’est bien un plan vectoriel.

3. Démontrons qu’il existe une base de R3 dans laquelle la matrice de f est
 
−1 1 0
B =  0 −1 1 
0 0 −1

et trouvons une matrice P inversible telle que A = PBP−1 .

Nous cherchons des vecteurs e1 , e2 , e3 tels que Ae1 = e1 , Ae2 = e1 − e2 et Ae3 = e2 − e3 . Le vecteur e1
appartient à E1 = ker(A+I), nous choisirons e2 ∈ ker(A+I)2 tel que (e1 , e2 ) soit une base de ker(A+I)2 .
Remarquons que si l’on cherche e2 = (x, y, z) tel que Ae2 = e1 − e2 , on obtient le système

 −x + z = 1 − x
    
−1 0 1 x 1−x  (
z=1
 1 −2 0 y = 1 − y ⇐⇒ x − 2y = 1 − y ⇐⇒
−1 1 0 z −z
 x−y = 1
−x + y = −z


ce qui nous donne bien un vecteur de ker(A + I)2 . Ainsi, les vecteurs e1 = (1, 1, 0) et e2 = (1, 0, 1)
conviennent. Il nous reste à chercher un vecteur e3 tel que Ae3 = e2 − e3 , c’est-à-dire

 −x + z = 1 − x
    
−1 0 1 x 1−x  (
z=1
 1 −2 0 y =  −y  ⇐⇒ x − 2y = −y ⇐⇒
−1 1 0 z 1−z
 x=y
−x + y = 1 − z


14
 Le vecteur e3 = (0, 0, 1) convient. On obtient alors la matrice P suivante qui est inversible et vérifie
A = PBP−1 ,  
1 1 0
P = 1 0 0
0 1 1
4. Décomposition de Dunford de B
On a      
−1 1 0 −1 0 0 0 1 0
B =  0 −1 1  =  0 −1 0  + 0 0 1
0 0 −1 0 0 −1 0 0 0
et il est clair que les deux matrices commutent car l’une est égale à −I. Or, il existe un unique couple
de matrice D et N, D diagonalisable et N nilpotente, telles que B = D + N et DN = ND. C’est donc là
la décomposition de Dunford, B = D + N avec
   
−1 0 0 0 1 0
D =  0 −1 0  et N = 0 0 1 .
0 0 −1 0 0 0

5. Pour t ∈ R, calculons exptB et exprimons exptA à l’aide de P et exptB.

Remarquons tout d’abord que N 2 = 0 donc pour tout t ∈ R, (tN)2 = 0 et l’expenentielle est égale
à exp(tN) = I + tN, par ailleurs ND = DN, donc pour tout t ∈ R, les matrices tN et tD commutent
également, (tN)(tD) = (tD)(tN), on a donc

exp(tB) = exp(tD + tN) = exp(tD) exp(tN) = exp(−tI) exp(−tN) = e−t (I + tN).

D’où  
1 t 0
exp(tB) = e−t 0 1 t  .
0 0 1
Pour déterminer l’exponentielle de la matrice tA, on écrit

exp(tA) = exp(t(PBP−1 )) = exp(P(tA)P−1 ) = P exp(tB)P−1 .

6. Solutions des systèmes différentiels Y 0 = BY et X 0 = AX.

La solution générale du système Y 0 = BY s’écrit

S(t) = exp(tB)v

où v = (a, b, c) est un vecteur de R3 . La solution S : R 7→ R3 s’écrit donc

      
x(t) 1 t 0 a a + bt
S(t) = y(t) = e−t 0 1 t  b = e−t b + ct 
z(t) 0 0 1 c c

Pour obtenir la solution du système X 0 = AX, on écrit

X 0 = AX ⇐⇒ X 0 = (PBP−1 )X ⇐⇒ P−1 X 0 = (BP−1 )X ⇐⇒ (P−1 X)0 = B(P−1 X)

ainsi, en notant Y = P−1 X ou encore X = PY , les solutions du système X 0 = AX sont les PS(t) où P est
la matrice vérifiant A = PBP−1 et S une solution du système Y 0 = BY .
La solution générale du système X 0 = AX s’écrit donc
     −t   
x(t) 1 1 0 e (a + bt) a + b + (c + b)t
X(t) = y(t) = 1 0 0 e−t (b + ct) = e−t  a + bt 
z(t) 0 1 1 −t
e c b + c + ct

où (a, b, c) ∈ R3 .

15
 II
Soient K un corps, N ∈ Mn (K) une matrice nilpotente et A une matrice telle que
AN = NA.
1. Déterminons les valeurs propres de N.
La matrice N étant nilpotente, il existe un entier naturel m tel que N n = 0, on a donc det N m = (det N)m =
0 donc det N = 0, l’endomophisme de matrice N n’est pas bijectif ce qui prouve que 0 est valeur propre
de N, c’est la seule, en effet si λ est une autre valeur propre et x 6= 0 un vecteur propre associé à λ on a

Nx = λ x ⇒ N m x = λ m x

d’où λ m x = 0, mais x 6= 0 donc λ = 0. Ainsi la matrice N admet une unique valeur propre λ = 0 de
multiplicité n.
2. Démontrons que N est trigonalisable.
Le polynôme caractéristique de N admet une unique racine 0 ∈ K, toutes ses racines sont donc dans K,
ce qui prouve que la matrice N est trigonalisable. Elle est semblable à une matrice triangulaire n’ayant
que des 0 sur la diagonale.
3. Démontrons que det(I + N) = 1.
Compte tenu de ce qui précède, la matrice N + I est une matrice triangulaire n’ayant que des 1 sur la
diagonale, or le déterminant d’une matrice triangulaire est le produit de ses termes diagonaux, ainsi on
a bien det(N + I) = 1.
4. On suppose A inversible. Démontrons que les matrices AN et NA−1 sont nilpotentes.
Comme les matrices A et N commutent, pour tout k ∈ N, on a (AN)k = Ak N k donc pour k = m, (AN)m =
Am N m = A.0 = 0 ce qui prouve que AN est nilpotente. De même NA−1 = A−1 N et NA−1 est nilpotente.
On en déduit que
det(A + N) = det A.

L’égalité AN = NA implique N = ANA−1 ainsi, on a

det(N + A) = det(ANA−1 + A) = det(A(NA−1 + I)) = det A det(NA−1 + I) = det A.

5. On suppose A non inversible. En exprimant (A + N)k pour k ∈ N, démontrons que det(A + N) = 0.

Comme les matrices A et N commutent, on peut utiliser la formule du binôme de Newton pour calculer
les puissances de A + N. Soit m tel que N m = 0 et, pour tout k < m, N k 6= 0 on a alors
m m m
(A + N)m = ∑ Cmk Ak N m−k = ∑ Cmk Ak N m−k = A ∑ Cmk Ak−1 N m−k
k=0 k=1 k=1

ainsi
m
det((A + N)m ) = det A. det ∑ Cmk Ak−1 N m−k = 0
k=1

car det A = 0. Or, det((A + N)m ) = (det(A + N))m , on a donc bien det(A + N) = 0.

Correction de l’exercice 10 N
 
a c
Soit A = ∈ M2 (R), on montre que A est diagonalisable sur R.
c d
Le polynôme caractéristique PA (X) est égal à
 
a − X c  = (a − X)(d − X) − c2 = X 2 − (a + d)X + ad − c2 ,

PA (X) = 
c d − x

16
déterminons ses racines : calculons le discriminant :

∆ = (a + d)2 − 4(ad − c2 )
= a2 + d 2 + 2ad − 4ad + 4c2
= a2 + d 2 − 2ad + 4c2
= (a − d)2 + 4c2 > 0

On a ∆ = 0 ⇐⇒ a − d = 0 et c = 0, mais, si c = 0, la matrice A est déjà diagonale. Sinon ∆ > 0 et le polynôme

caractéristique admet deux racines réelles distinctes, ce qui prouve que la matrice est toujours diagonalisable
dans R.

Correction de l’exercice 11 N
Soit N une matrice nilpotente, il existe q ∈ N tel que N q = 0. Montrons que la matrice I − N est inversible et
exprimons son inverse en fonction de N.
On remarque que (I − N)(I + N + N 2 + · · · + N q−1 ) = I − N q = I. Ainsi, la matrice I − N est inversible, et son
inverse est (I − N)−1 = I + N + N 2 + · · · + N q−1 .

Correction de l’exercice 12 N
On considère la matrice suivante  
1 −1 0
A= 1 0 −1
−1 0 2
et f l’endomorphisme de R3 associé.
1. Factorisons le polynôme caractéristique de A.
On a
 
1 − X −1 0 
 
PA (X) =  1
 −X −1 
 −1 0 2 − X
   
−X −1   1 −1 
= (1 − X) 
  + 
0 2 − X  −1 2 − X 
= (1 − X)(X 2 − 2X) + (1 − X)
= (1 − X)(X 2 − 2X + 1) = (1 − X)3 .

Le polynôme caractéristique de A admet une valeur propre triple λ = 1.

2. Déterminons les sous-espaces propres et caractéristiques de A.
La matrice A admet une unique valeur propre λ = 1 de multiplicité 3, le sous-espace propre associé est
l’espace E1 = ker(A − I), et on a

 x−y = x
 (
y=0
(x, y, z) ∈ E1 ⇐⇒ x − z = y ⇐⇒
 x=z
−x + 2z = z


Le sous-espace E1 est la droite vectorielle engendrée par le vecteur (1, 0, 1).

Le sous-espace caractéristique de A, associé à l’unique valeur propre λ = 1, est le sous-espace N1 =
ker(A − I)3 , or, compte tenu du théorème de Hamilton-Cayley, on sait que PA (A) = 0, ainsi, la matrice
(A − I)3 est la matrice nulle, ce qui implique N1 = R3 , c’est donc l’espace tout entier.
3. Démontrons qu’il existe une base de R3 dans laquelle la matrice de f s’écrit
 
1 1 0
B = 0 1 1  .
0 0 1

17
 Nous cherchons des vecteurs e1 , e2 , e3 tels que Ae1 = e1 , Ae2 = e1 + e2 et Ae3 = e2 + e3 . Le vecteur e1
appartient à E1 = ker(A − I), et ker(A − I) est la droite d’équations :
{y = 0, x = z}. On détermine e2 = (x, y, z) tel que Ae2 = e1 + e2 , on obtient le système

 x−y = 1+x
    
1 −1 0 x 1+x  (
y = −1
1 0 −1 y = 1 + y ⇐⇒ x−z = y ⇐⇒
−1 0 2 z z
 x − z = −1
−x + 2z = 1 + z


Ainsi, les vecteurs e1 = (1, 0, 1) et e2 = (−1, −1, 0) conviennent. Il nous reste à chercher un vecteur e3
tel que Ae3 = e2 + e3 , c’est-à-dire

 x−y = x−1
    
1 −1 0 x −1 + x  (
y=1
1 0 −1 y = −1 + y ⇐⇒ x − z = y − 1 ⇐⇒
−1 0 2 z z
 x=z
−x + 2z = z


Le vecteur e3 = (0, 1, 0) convient. On obtient alors la matrice P suivante qui est inversible et vérifie
A = PBP−1 ,  
1 −1 0
P = 0 −1 1
1 0 0
4. Décomposition de Dunford de B
On a      
1 1 0 1 0 0 0 1 0
B = 0 1 1 = 0 1 0 + 0 0 1
0 0 1 0 0 1 0 0 0
et il est clair que les deux matrices commutent car l’une est égale à I. Or, il existe un unique couple de
matrices D et N, D diagonalisable et N nilpotente, telles que B = D + N et DN = ND. Or si
   
1 0 0 0 1 0
D = 0 1 0 et N = 0 0 1 ,
0 0 1 0 0 0
On a     
0 1 0 0 1 0 0 0 1
N 2 = 0 0 1 0 0 1 = 0 0 0
0 0 0 0 0 0 0 0 0
et N 3 = 0. La décomposition B = D + N est donc bien la décomposition de Dunford de la matrice B.

Correction de l’exercice 13 N
La suite de Fibonacci 0, 1, 1, 2, 3, 5, 8, 13, ... est la suite (Fn )n>0 définie par la relation de récurrence Fn+1 =
Fn + Fn−1 pour n > 1, avec F0 = 0 et F1 = 1.
1. Déterminons une matrice A ∈ M2 (R) telle que, pour tout n > 1,
   
Fn+1 n F1
=A .
Fn F0
      
Fn+1 Fn + Fn−1 1 1 Fn
On a = = .
Fn Fn 1 0 Fn−1
   
Fn 1 1
Notons, pour n > 1, Xn le vecteur et A la matrice . Nous allons démontrer, par récur-
Fn−1 1 0
rence sur n que pour tout n > 1, on a Xn = An X0 , c’est clairement vrai pour n = 1, supposons que ce soit
vrai pour un n arbitrairement fixé, on a alors
Xn+1 = AXn = AAn X0 = An+1 X0 ,
d’où le résultat.

18
2. Montrons que A admet deux valeurs propres réelles distinctes que l’on note λ1 et λ2 avec λ1 < λ2 .
On a  
1 − X 1 
PA (X) = 
  = X 2 − X − 1.
1 −X 
Le discriminant ∆ = 5 > 0, le polynôme caractéristique admet deux racines distinctes
√ √
1− 5 1+ 5
λ1 = < λ2 = .
2 2
 
α
3. Trouvons des vecteurs propres ε1 et ε2 associés aux valeurs propres λ1 et λ2 , sous la forme , avec
1
α ∈ R.  
α
Posons ε1 = et calculons α tel que Aε1 = λ1 ε1 , c’est-à-dire
1
    
1 1 α α
= λ1
1 0 1 1
ce qui équivaut à (
α + 1 = λ1 α
⇐⇒ α = λ1
α = λ1
   
λ1 λ2
carλ12 − λ1 − 1= 0, on a donc ε1 = et, de même, ε2 =
1 1
 
F
4. Déterminons les coordonnées du vecteur 1 dans la base (ε1 , ε2 ), on les note x1 et x2 .
F0
On cherche x1 et x2 tels que
       
F1 1 λ λ
= = x1 ε1 + x2 ε2 = x1 1 + x2 2 ,
F0 0 1 1
x1 et x2 sont donc solutions du système
1 −1

( (
 x1 =
 =√
x1 (λ1 − λ2 ) = 1

x1 λ1 + x2 λ2 = 1 λ1 − λ2 5
⇐⇒ ⇐⇒
x1 + x2 = 0 x2 = −x1 1 1
 x2 = − =√


λ1 − λ2 5
 
Fn+1
5. Montrons que = λ1n x1 ε1 + λ2n x2 ε2 .
Fn
Les vecteurs ε1 et ε2 étant vecteurs propres de A, on a Aε1 = λ1 ε1 et Aε2 = λ2 ε2 , ainsi par récurrence,
on a, pour tout n > 1, An ε1 = λ1n ε1 et An ε2 = λ2n ε2 . Ainsi,
   
Fn+1 n F1
=A = An (x1 ε1 + x2 ε2 ) = x1 An ε1 + x2 An ε2 = λ1n x1 ε1 + λ2n x2 ε2 .
Fn F0

On en déduit que
λ1n λ2n
Fn = − .
λ1 − λ2 λ1 − λ2
   
λ1 λ2
On a montré que ε1 = et ε2 = , on a donc,
1 1
       
Fn+1 n 1 λ1 n −1 λ2
= λ1 + λ2 ,
Fn λ1 − λ2 1 λ1 − λ2 1
d’où le résultat
λ1n λ2n
Fn = − .
λ1 − λ2 λ1 − λ2

19
6. Donnons un équivalent de Fn lorsque n tend vers +∞.
On remarque que |λ1 | < 1 et |λ2 | > 1 ainsi, lorsque n tend vers l’infini, λ1n tend vers 0 et λ2n tend vers
+∞. On a donc
Fn λn
lim (λ2 − λ1 ) n = lim − 1n + 1 = 1.
n→+∞ λ2 n→+∞ λ2
λ2n
Ce qui prouve que est un équivalent de Fn lorsque n tend vers +∞.
λ2 − λ1

20